基于卡尔曼滤波的小波去噪和IWOA-ELM的颈肩肌肉疲劳分类方法

来源：电子测量技术杂志2024年第10期北京时间：

作者：隋修武，付世雄，刘金雨，王涛，刘阳

单位：1.天津工业大学机械工程学院 天津 300387; 2.天津市现代机电装备技术重点实验室 天津 300387

摘要：针对采集的表面肌电信号噪声干扰多，以及缺少颈肩肌肉疲劳状态划分标准和分类模型的问题，本文提出了一种基于联合去噪和优化极限学习机的颈肩肌肉疲劳分类方法。首先，使用AnyBody建立颈肩骨骼肌肉生物力学模型，根据肌肉pH值和RPE劳累感知量表划分肌肉疲劳状态。采集6名健康青年人斜方肌上束疲劳状态下的表面肌电信号。然后，结合卡尔曼滤波和改进的小波阈值函数进行联合去噪，提取均方根、积分肌电值、平均功率频率、中值频率、瞬时平均频率、瞬时中值频率6个特征参数。最后，使用改进鲸鱼优化算法优化极限学习机的权值和阈值，建立IWOA-ELM颈肩肌肉疲劳分类模型。实验结果表明，联合去噪算法效果更佳，IWOA-ELM模型训练集准确率为96.3%，测试集准确率为97.5%，均方根误差为1.108，对于不同受试者分类模型准确率均高于95%，因此本文提出的联合去噪算法和IWOA-ELM模型在颈肩肌肉疲劳分类方面具有优势。

关键词：表面肌电信号;颈肩肌肉疲劳;卡尔曼滤波;小波阈值函数;鲸鱼优化算法;极限学习机算法

基金资助：中国航空科学基金（201729Q2001）项目资助